條件隨機域

条件随机场(conditional random field,簡稱 CRF),是一種鑑別式機率模型,是随机场的一种,常用於標注或分析序列資料,如自然語言文字或是生物序列。

如同马尔可夫随机场,條件隨機場為無向性之圖模型,圖中的頂點代表隨機變數,頂點間的連線代表隨機變數間的相依關係,在條件隨機場當中,隨機變數 Y 的分佈為條件機率,給定的觀察值則為隨機變數 X。原則上,條件隨機場的圖模型佈局是可以任意給定的,一般常用的佈局是鏈結式的架構,鏈結式架構不論在訓練(training)、推論(inference)、或是解碼(decoding)上,都存在有效率的演算法可供演算。

條件隨機場跟隱藏式馬可夫模型常被一起提及,條件隨機場對於輸入和輸出的機率分佈,沒有如隱藏式馬可夫模型那般強烈的假設存在。 线性链条件随机场应用于标注问题是由Lafferty等人与2001年提出的[1]

參考文獻

  1. ^ Lafferty, J., McCallum, A., Pereira, F. Conditional random fields: Probabilistic models for segmenting and labeling sequence data. Proc. 18th International Conf. on Machine Learning. Morgan Kaufmann: 282–289. 2001 [2016-08-17]. (原始内容存档于2016-08-25). 

参见